Contexto técnico
Leí atentamente las declaraciones públicas de Jack Dorsey y las comparé con cómo se suele hablar de los despidos. Aquí el enfoque no es la «falta de dinero», sino que la empresa ahora puede funcionar con equipos más pequeños porque las «herramientas de inteligencia de IA» han transformado la productividad.
A partir de los datos que me importan como arquitecto: un recorte de unas 4.000 personas de un total aproximado de 10.205 (es decir, ~40%), que finalizará a finales del segundo trimestre de 2026 y supondrá un coste único de reestructuración de 450–500 millones de dólares. Mientras tanto, Block habla públicamente de un negocio sólido y un crecimiento del beneficio bruto, lo que significa que no es una medida «anticrisis», sino un cambio en el modelo operativo.
Casi no hay especificaciones técnicas sobre su pila interna, salvo la mención del sistema propietario Goose y «herramientas de IA» más amplias para las operaciones. Pero incluso esto es suficiente para entenderlo: no se trata de un simple chatbot para soporte, sino de un conjunto de herramientas integradas en los circuitos de trabajo: planificación, desarrollo, operaciones, análisis y gestión.
También me llamó la atención que Dorsey eligiera «un gran recorte» en lugar de una serie de oleadas. Es una lógica de gestión, pero detrás de ella hay una confianza técnica: si las herramientas de IA cubren realmente de forma estable una parte de las funciones, la empresa puede «reconstruirse» más rápido sin alargar el período de transición.
Impacto en el negocio y la automatización
Veo en este caso una métrica desagradable pero muy útil para los directivos: la implantación de la IA ya no se evalúa por demostraciones bonitas, sino por cuántas personas se necesitan para mantener el mismo volumen de resultados. Si antes la «automatización con IA» convivía con las personas, ahora se utiliza como argumento para cambiar la plantilla y las capas de gestión.
Las empresas que vinculen la implantación de la IA a la reingeniería de procesos, en lugar de a la simple compra de licencias, saldrán ganando. Quienes «peguen» un LLM sobre el caos perderán: no podrán reducir plantilla sin perder calidad, ni acelerar sin aumentar los riesgos.
Según mi experiencia en Nahornyi AI Lab, la parte más difícil no es el modelo ni los prompts. La parte más cara es la arquitectura de los circuitos: dónde se le permite a la IA actuar automáticamente, dónde se requiere validación, qué registros y rastreos deben existir, cómo se mide la calidad y quién es responsable de la decisión.
Si estás pensando en reducir costes mediante la IA, yo no empezaría con «cuántos roles podemos sustituir», sino con un mapa de funciones: qué decisiones son repetibles, cuáles requieren experiencia, dónde hay mucha rutina manual y dónde es alto el riesgo de error. En este mapa resulta evidente rápidamente dónde la «automatización con IA» genera valor económico y dónde crea una deuda legal y operativa.
Visión estratégica y análisis profundo
Creo que la señal clave de Block no es la cifra de 4.000, sino la normalización pública de la premisa: «equipos más pequeños + herramientas internas de IA = una nueva eficiencia base». Si Dorsey tiene razón y la «mayoría» de las empresas llegan a este punto en un año, el mercado empezará a competir no por los salarios, sino por la velocidad de integración de la IA en las operaciones principales.
En los proyectos de Nahornyi AI Lab, veo cada vez más el mismo patrón: primero la empresa implementa un LLM como asistente, luego se topa con un muro de calidad y seguridad, y solo entonces madura hacia una arquitectura de IA completa (con roles de agentes, políticas de acceso, RAG/búsqueda de conocimientos, evaluación de la calidad y observabilidad). Sin esto, la «productividad» sigue siendo una sensación subjetiva y no una base para cambios organizativos.
Otro efecto menos obvio: cuando la IA se convierte en un «amplificador del equipo», la estructura de competencias cambia. Contrato a menos «ejecutores de listas de verificación» e invierto más en personas que formulan requisitos, establecen métricas de control, saben depurar cadenas y son responsables del resultado comercial final. Esta es la verdadera integración de la inteligencia artificial en una empresa: a través de la responsabilidad y la mensurabilidad.
Mi pronóstico es pragmático: 2026 será el año en que los CFO exijan a la IA no «innovaciones», sino ahorros gestionables y productividad en números. Quienes hayan preparado de antemano la arquitectura de las soluciones de IA sobrevivirán a esta ola sin caos, mientras que los que se limitaron a «pilotos» tendrán que ponerse al día en modo de emergencia.
Lo que recomiendo hacer a los directivos ahora mismo
- Identificar de 3 a 5 procesos en los que haya trabajo manual medible y SLA claros, y lanzar la implementación de IA solo con métricas de antes y después.
- Diseñar los controles desde el principio: validación, registro, derechos de acceso, red-teaming y criterios de parada para la automatización.
- Planificar los cambios en la estructura organizativa como parte del programa: de lo contrario, la IA proporcionará aceleraciones locales, pero no una eficiencia estratégica.
Llamada a la acción (CTA)
Este análisis fue preparado por Vadym Nahornyi, experto principal de Nahornyi AI Lab en implementación de IA, arquitectura de IA y automatización de procesos de negocio. No vendo «magia LLM»; diseño y llevo a producción sistemas que resisten auditorías, métricas y el funcionamiento en el mundo real.
Si deseas crear soluciones de IA para tu empresa que ofrezcan una productividad medible (y no solo presentaciones), contáctame. Analizaré tu circuito, te propondré una arquitectura de implementación de IA y elaboraré un plan detallando los riesgos, los plazos y la economía: desde el proyecto piloto hasta el escalado.